Zur Seitenansicht
 

Titelaufnahme

Titel
Improvement of fiberboard manufacture through statistical process analytics / submitted by Gerald Maschl
VerfasserMaschl, Gerald
Betreuer / BetreuerinWimmer, Rupert
Erschienen2009
Umfang118 Bl. : graph. Darst.
HochschulschriftWien, Univ. für Bodenkultur, Masterarb., 2009
Anmerkung
Mit dt. Zsfassung
SpracheEnglisch
DokumenttypMasterarbeit
Schlagwörter (DE)Prozessanalytik, Faserplatten, HDF, MDF, statistische Modellierung, PLS, Statistische Prozesskontrolle, SPC
Schlagwörter (EN)Process analytics, fiberboard, HDF, MDF, statistical modeling, PLS, Statistical Process Control, SPC
Schlagwörter (GND)Faserplatte / Holz / Fertigung / Prozessanalyse
URNurn:nbn:at:at-ubbw:1-13696 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Improvement of fiberboard manufacture through statistical process analytics [1.11 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Hochdichte Faserplatten (HDF) wurden in den letzten Jahren in großen Mengen hergestellt. Wegen hoher Streuung der Platteneigenschaften kommt es immer wieder zu Fehlproduktionen. Mit dem Ziel der Erkundung der Ursachen von Streuung wurde in dieser Arbeit eine statistische Analyse in einer HDF-Produktion durchgeführt. Prozessdaten aus allen Abschnitten des Prozesses wurden verwendet; weiters auch Daten des Rohmaterials (Holzarten; Säuregruppen ermittelt mittels Ionenchromatographie, Hemizellulosen und Extraktstoffe ermittelt durch Methanolyse, pH-Wert und Pufferkapazität. Des Weiteren subjektive Variablen wie Prozessbeurteilung bzw. Wahrnehmbarkeit von Formaldehyd. Als Zielvariablen wurden Querzugfestigkeit, Abhebefestigkeit, Biegefestigkeit, E-Modul und Dickenquellung nach 24 h ausgewertet. Weitere Zielvariablen sind Presszeitfaktor und der Festharzanteil. In Summe enthält der Datensatz 251 Beobachtungen und 245 Variablen. Die Prozessdurchlaufzeiten wurden bei der Datenerhebung berücksichtigt. Partial Least Squares-Regression (PLSR) wurde zur Modellierung von 45 Modellen verwendet. Die Hauptquellen der Streuung wurden ermittelt mittels (1) der Häufigkeit, in der die Variablen in den Modellen vorkommen und (2) einer Gewichtung der Regressionskoeffizienten, abhängig von der technologischen Bedeutung der Platteneigenschaft. Die Modelle zeigten, dass die Variablen des Rohmaterials 21% der Gesamtstreuung der Platteneigenschaften erklären, während der Rest den Prozessvariablen zuzuschreiben ist. Weiters wurde an diesem Datensatz die Anwendbarkeit von (multivariaten) Qualitätsregelkarten als Werkzeug der Statistischen Prozesskontrolle (SPC) gezeigt.

Zusammenfassung (Englisch)

High-Density Fiberboard (HDF) has been produced globally in vast quantities over the last few years. Rejects in production are common due to high variability in board properties. This work statistically analyzes a HDF production plant, with the aim of finding the major sources of variation. Process data from all processing steps were used; and also data from the raw material (wood species, acidic groups measured by ion chromatography, hemicelluloses, extractives determined through methanolysis, pH, buffer capacities), and subjective variables such as process performance or formaldehyde perceptibility. As response variables, the board properties Internal Bond Strength, Surface Soundness (, Modulus of Rupture, Modulus of Elasticity and Thickness Swelling 24 h , further press factor and resin fraction were analyzed. Overall, the dataset consisted of 251 observations and 245 variables. Production lag times were considered. Partial least squares regression (PLSR) was used to create 45 models. The main key sources of variation were determined by (1) the frequency in which variables occur in models and by (2) weighting the regression coefficients according to the technological relevance of the board properties. The models show that board properties were influenced by the raw material variables to an average of 21%, while the remaining variance is absorbed by the process variables. Furthermore, the appropriateness of (multivariate) control charting as a tool of Statistical Process Control (SPC) is shown with the data.